《表3 聚类类别方差分析：创业生态系统如何促进城市创业质量——基于模糊集定性比较分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《创业生态系统如何促进城市创业质量——基于模糊集定性比较分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

运用fs QCA分析时，每个条件（6个因素）和结果（创业质量）均被视为一个集合，每一个案例（样本城市）在这些集合中均有相应的隶属分数。给各案例赋予集合隶属分数的过程就是校准（Schneider et al，2012），本文运用直接校准法（查尔斯·C·拉金，2019）将数据转换为模糊集隶属分数。具体做法如下：（1）对人力资本变量（2），考虑到中国从1986年开始实施九年义务教育，同时结合2017年全国各省区人均教育年限数据，如江苏、浙江等经济较发达地区在9年以上，而青海、甘肃等经济欠发达地区在9年以下。因此，将人均教育年限在9年及以上视为具备充足的人力资本，赋值为1，将人均教育年限在9年以下视为人力资本不充足，赋值为0；(2）对其他变量，由于没有明确的理论和外部知识作指导，考虑到本文的案例城市具有比较好的全国代表性，因此依据案例本身的数据进行校准（Judge et al，2020；程建青等，2019）。具体地，将除人力资本外的其他变量的3个临界值（锚点）分别设定为样本数据的75%分位数（完全隶属），50%分位数（交叉点）和25%分位数（完全不隶属）（Fiss，2011）。同时，本文还参考Fiss(2011）的做法，通过调整校准交叉点进行了稳健性检验。此外，为避免案例难以归类而不被分析的情况出现，对出现模糊隶属分数0.5的集合，通过在其小于1的隶属分数上增加0.001来调整（Fiss，2011；张明等，2019）。本研究中结果与条件变量的校准信息如表3所示。